因子切割论与深度学习的结合应用 | 开源金工
创建于 更新于
摘要
本报告结合因子切割论及深度学习模型DBD-GRU，创新构建了理想振幅因子、理想反转因子和主动买卖因子，提升了因子预测能力。DBD-GRU模型显著增强了因子的测试表现，样本外回测显示各因子多空组合收益率均超30%，且超额收益稳定，宽基指数上实现正向增强，验证了该模型在A股股票量化选股的有效性与实用价值[page::0][page::4][page::5][page::6][page::7][page::8][page::9][page::10]。
